买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉杭州力嘉索具有限公司申请的专利织带机器视觉在线质量检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115984167B 。

龙图腾网通过国家知识产权局官网在2025-12-23发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211441560.1，技术领域涉及：G06T7/00；该发明授权织带机器视觉在线质量检测方法是由邱天泽;邱天润;戚如明;戚晨扬设计研发完成，并于2022-11-17向国家知识产权局提交的专利申请。

本织带机器视觉在线质量检测方法在说明书摘要公布了：本发明提供了织带机器视觉在线质量检测方法，该方法基于设置在涤纶织带机器一侧的视觉在线质量检测装置实现，利用加载于硬件开发板上的权重文件实现瑕疵判断，基于织带不同品类的权重文件取得方式如下：S01、创建数据集；S02、训练模型并导出权重文件；S03、将权重文件放置于硬件开发板上；检测过程具体如下：通过检测装置的摄像设备对织带实时拍照采集，通过加载分类权重文件对其先进行分类，后基于修改的STPM算法判断瑕疵程度是否超过阈值。本发明能够提高织带瑕疵检测效率和检测效果，有效降低硬件成本与维护成本，利用无瑕疵数据集学习训练模型，对不同企业环境的适用性强。

本发明授权织带机器视觉在线质量检测方法在权利要求书中公布了：1.织带机器视觉在线质量检测方法，其特征在于，该检测方法基于设置在涤纶织带机器一侧的视觉在线质量检测装置实现，其检测对象为：由织带机生产制造的织带； 该检测方法利用加载于硬件开发板上的权重文件实现瑕疵判断，基于织带不同品类的权重文件取得方式如下： S01、创建数据集；分别采集有瑕疵和无瑕疵的织带图片，对其进行转换后得到有瑕疵数据集和无瑕疵数据集； S02、训练模型；利用无瑕疵数据集训练人工智能模型，并导出权重文件； S03、放置权重文件；将上述步骤中训练得到的权重文件放置于硬件开发板上； 检测过程具体如下：通过检测装置的摄像设备对织带实时拍照采集，将采集到的织带图片进行转换后通过加载S03中的分类权重文件对其先进行分类，然后基于修改的STPM算法判断瑕疵程度是否超过阈值；在瑕疵程度超过阈值时，通过GPIO发送瑕疵超过阈值的电平信号并进行警报停机； 在S01中具体包括如下子步骤： S011、图片尺寸处理以及预处理去除背景亮噪点，通过织带上的图案种类与织带是否是坏品分别进行分类成有瑕疵图片和无瑕疵图片； S012、转化图片为张量并进行归一化处理，利用PIL方案将图片转为张量并通过ImageNet数据库中的mean均值=[0.485,0.456,0.406]和std标准差=[0.229,0.224,0.225]对图片数据采用OpenCV函数Normalize进行归一化处理； S013、调整并统一图片亮度，将图片从RGB模式转为HSV模式后，通过PILImageEnhance将所有转换后的图片亮度调至相等； 在S02中具体包括如下步骤： S021、修改模型输出为STPM的金字塔结构算法，在Torchvision标准ResNet18神经网络基础上，去除二维平均池化层、全连接层，第三层和第四层，然后将模型输出改为STPM的金字塔结构，将第一层的结果X1、以X1为输入的第二层结果X2输出，即分别为大瑕疵和小瑕疵数值； S022、声明教师模型和学生模型，基于S021中的STPM算法，教师模型为经ImageNet数据集预训练并已经得到权重，学生模型为待训练的S01中数据集； S023、训练学生模型以及导出教师模型和学生模型权重，对学生模型的无瑕疵数据集进行OnlineLearning在线学习并通过StepLR学习率调整使学生模型趋向于教师模型优化，导出和保存两者权重文件：学生权重文件a和教师权重文件b； S024、训练单类织带模型，将步骤S01中的每一个织带种类数据集分别执行S022和S023，并对应导出单类学生权重文件an和单类教师权重文件bn，其中an和bn为n种类织带图案； S025、训练分类准确度以及权重导出，通过MobileNetV2神经网络嵌入式设备对S01中的数据集进行epoch=13训练，并在织带分类准确度大于98%后导出分类权重文件c。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人杭州力嘉索具有限公司，其通讯地址为：311256 浙江省杭州市萧山区义桥镇田丰村小张家畈530号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。